文献

J-GLOBAL ID：201802234348046729   整理番号：18A1681736

適応悪意URL検出:概念ドリフトの存在下での学習【JST・京大機械翻訳】

Adaptive Malicious URL Detection: Learning in the Presence of Concept Drifts

著者 (6件)： Tan Guolin ,  Zhang Peng ,  Liu Qingyun ,  Liu Xinran ,  Zhu Chunge ,  Dou Fenghu
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： TrustCom/BigDataSE  ページ： 737-743  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ハッカーは,Webページにおけるマルウェア(例えば,Trojans,Wormsなど)を,ユーザ情報をsteし,不法に獲得することができる。実際に,すべてのウェブサイトの1/3近くが自然界で潜在的に悪意があることが注目されている。したがって,インターネット上の悪意のあるURLを迅速に検出することを意味する。本論文では,ほとんどの以前の方法とは異なり,本論文では,適応学習に基づくオンラインの悪意のあるURL検出のための方法を提案した。バックボーンネットワークからネットワークトラフィックを収集することにより,機械学習モデルを訓練し,悪意のあるURLを検出する。しかし,目標変数の統計的性質が時間とともに変化する環境において,概念ドリフトとして知られている,深刻な問題がある。この問題を扱うために,適応学習における概念ドリフトを正しく検出するために,ノンパラメトリック試験を適用した。異なるタイプの概念ドリフトによる広範な実験を行い,人工および実データセットに対する提案方法の実現可能性を実証した。著者らの経験的研究により,このアプローチは,悪意のあるURLと概念ドリフトの検出において良好な性能を有することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Webページ ,  マルウェア ,  ノンパラメトリック法 ,  機械学習 ,  *ドリフト ,  インターネット ,  基幹回線
準シソーラス用語： 統計的性質 ,  ネットワークトラフィック ,  オンライン ,  適応学習 ,  顧客情報 ,  ハッカー , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 適応 ,  URL ,  概念 ,  ドリフト ,  学習